Tensorflow Metagraph基礎知識

我想訓練我的Tensorflow模型，凍結一個快照，然後以前饋模式（無需進一步培訓）使用新的輸入數據運行它。問題：Tensorflow Metagraph基礎知識

是tf.train.export_meta_graph和tf.train.import_meta_graph正確的工具嗎？
我需要在collection_list中包含我想要包含在快照中的所有變量的名稱嗎？（對我來說最簡單的就是包含所有內容）
Tensorflow文檔說：「如果沒有指定collection_list，則將導出模型中的所有集合。」這是否意味着如果我在collection_list中沒有指定變量，那麼模型中的所有變量都會導出，因爲它們處於默認集合中？
Tensorflow文檔說：「爲了使Python對象序列化到MetaGraphDef或從MetaGraphDef序列化，Python類必須實現to_proto（）和from_proto（）方法，並使用register_proto_function將它們註冊到系統」那意味着to_proto()和from_proto()必須僅添加到我已定義並希望導出的類中？如果我只使用標準的Python數據類型（int，float，list，dict），那麼這是不是相關的？

在此先感謝。

2016-10-01 Ron Cohen

有點晚了，但我仍會試着回答。

是tf.train.export_meta_graph和tf.train.import_meta_graph正確的工具呢？

我會這麼說。請注意，當您通過tf.train.Saver保存模型時，將隱式調用tf.train.export_meta_graph。要點是：

# create the model 
... 
saver = tf.train.Saver() 
with tf.Session() as sess: 
    ... 
    # save graph and variables 
    # if you are using global_step, the saver will automatically keep the n=5 latest checkpoints 
    saver.save(sess, save_path, global_step)

然後恢復：

save_path = ... 
latest_checkpoint = tf.train.latest_checkpoint(save_path) 
saver = tf.train.import_meta_graph(latest_checkpoint + '.meta') 
with tf.Session() as sess: 
    saver.restore(sess, latest_checkpoint)

注意，不是調用tf.train.import_meta_graph你也可以叫你用來創建擺在首位模型的原始代碼段。但是，我認爲使用import_meta_graph這種方式更優雅，即使您無法訪問創建它的代碼，也可以恢復模型。

我需要包括在collection_list，我想包含在快照中所有變量的名字嗎？（最簡單的對我來說將是包括一切。）

號但是問題是有點混亂：在export_meta_graph的collection_list並不意味着是一個變量列表，但集合（即列表字符串鍵）。

集合非常方便，例如，所有訓練的變量都通過調用自動包含在集合tf.GraphKeys.TRAINABLE_VARIABLES，你可以得到：

tf.get_collection(tf.GraphKeys.TRAINABLE_VARIABLES)

或

tf.trainable_variables() # defaults to the default graph

如果恢復後，您需要訪問比你訓練的變量等中介結果，我發現它將它們放入定製集合中非常方便，如下所示：

... 
input_ = tf.placeholder(tf.float32, shape=[64, 64]) 
.... 
tf.add_to_collection('my_custom_collection', input_)

此集合會自動存儲（除非您特別指定不要通過在的參數collection_list中省略此集合的名稱）。所以，你可以恢復後只檢索input_佔位符如下：

... 
with tf.Session() as sess: 
    saver.restore(sess, latest_checkpoint) 
    input_ = tf.get_collection_ref('my_custom_collection')[0]

的Tensorflow文檔說：「如果沒有指定collection_list，所有集合在模型將被導出「這是否意味着如果我在collection_list中沒有指定變量，那麼模型中的所有變量都會導出，因爲它們在默認集合中？

是的。再次注意collection_list是一個收集而不是變量列表的微妙細節。事實上，如果您只希望保存某些變量，則可以在構造對象時指定這些變量。從tf.train.Saver.__init__的文檔：

"""Creates a `Saver`. 

    The constructor adds ops to save and restore variables. 

    `var_list` specifies the variables that will be saved and restored. It can 
    be passed as a `dict` or a list: 

    * A `dict` of names to variables: The keys are the names that will be 
     used to save or restore the variables in the checkpoint files. 
    * A list of variables: The variables will be keyed with their op name in 
     the checkpoint files.

的Tensorflow文檔說：「爲了使Python對象被序列化和從MetaGraphDef，所述Python類必須實現 to_proto()和from_proto()方法，以及使用register_proto_function與系統註冊。「這是否意味着to_proto()和 from_proto()必須阿迪僅限於我已定義的類和想要導出？如果我只使用標準的Python數據類型（int， float，list，dict），那麼這是不是相關的？

我從來沒有使用這個功能，但我會說你的解釋是正確的。

來源

2017-04-04 12:21:22 kaufmanu

Tensorflow Metagraph基礎知識

回答

相關問題